随机使数据框中特定列上的某些行不适用

Question

我想知道如何根据以下条件将

value

的行上的

name >= 2

随机替换为

NA

：

name

越高，

NA

的比例就越大，增量为10%。

例如，如果我们将

NA

的 10% 的

value

放在

name==2

上，那么，我预计 value 上

name==3

的

20%

会被

NA

替换，并且等等。

这在 R 中可能吗？

library(tidyverse)
set.seed(0)

map_dfc(1:3, \(i) round(rbeta(5, i+.1, i+12, i*.2),2)) %>% 
  pivot_longer(everything()) %>% 
  mutate(name=as.numeric(str_remove(name, "...")))

"
    name value
   <dbl> <dbl>
 1     1  0.01
 2     2  0.17
 3     3  0.31
 4     1  0.1 
 5     2  0.02
 6     3  0.17
 7     1  0.01
 8     2  0.16
 9     3  0.17
10     1  0.1 
11     2  0.27
12     3  0.22
13     1  0.24
14     2  0.08
15     3  0.06
"

Answer 1

library(dplyr)
firstprob <- 0.1
set.seed(42)
distinct(quux, name) |>
  mutate(prob = firstprob + 0.1 * (row_number() - 1)) |>
  right_join(quux, by = "name") |>
  mutate(value = if_else(row_number() %in% sample(n(), size = ceiling(first(prob) * n())), value[NA], value), .by = name)
# # A tibble: 15 × 3
#     name  prob value
#    <dbl> <dbl> <dbl>
#  1     1   0.1 NA   
#  2     1   0.1  0.1 
#  3     1   0.1  0.01
#  4     1   0.1  0.1 
#  5     1   0.1  0.24
#  6     2   0.2  0.17
#  7     2   0.2  0.02
#  8     2   0.2  0.16
#  9     2   0.2  0.27
# 10     2   0.2 NA   
# 11     3   0.3 NA   
# 12     3   0.3  0.17
# 13     3   0.3  0.17
# 14     3   0.3  0.22
# 15     3   0.3 NA   

我们首先减少到唯一的

name

，从第一个到其余的分配（

NA

）的比例，连接回原始数据，然后根据

prob

行比例内的行号进行替换每组。

这是使用

.by=

所以需要

dplyr_1.1.0

；如果较旧，请将

.by=

替换为适当使用的

group_by(.)

。